基于人工势场的A*算法的移动机器人路径规划

为了解决传统A*算法规划路径时未考虑到障碍物分布对路径选取的影响,文中提出了一种改进的A*算法.将人工势场的思想与传统的A*算法相结合,对栅格地图中的障碍物赋予斥力场函数并计算周围栅格的斥力大小,进行路径搜索时将栅格的斥力大小引进到A*算法的评价函数当中以改进A*算法的搜索能力.通过MATLAB仿真和Turtlebot机器人的实验结果表明,与传统的A*算法相比,改进后的新算法与人工势场算法相结合,规划出了更优的路径,提高了路径规划效率,且搜索速度提高了 13.40％～29.68％,路径长度缩短了 10.56％～24.38％,路径节点数减少了 6.89％～27.27％,因此,改进的A*算法的优化效果明显,具有有效性和可行性.     

基于人工势场的A*算法的移动机器人路径规划

为了解决传统A*算法规划路径时未考虑到障碍物分布对路径选取的影响,文中提出了一种改进的A*算法.将人工势场的思想与传统的A*算法相结合,对栅格地图中的障碍物赋予斥力场函数并计算周围栅格的斥力大小,进行路径搜索时将栅格的斥力大小引进到A*算法的评价函数当中以改进A*算法的搜索能力.通过MATLAB仿真和Turtlebot机器人的实验结果表明,与传统的A*算法相比,改进后的新算法与人工势场算法相结合,规划出了更优的路径,提高了路径规划效率,且搜索速度提高了 13.40％～29.68％,路径长度缩短了 10.56％～24.38％,路径节点数减少了 6.89％～27.27％,因此,改进的A*算法的优化效果明显,具有有效性和可行性.     

紧致密集Auto Store系统AGV路径规划与避碰策略

针对新兴紧致密集仓储系统Auto Store具有短途挪库作业多、顶层AGV冲突多、货架结构性角落多等特点,提出一种离线-在线两阶段AGV优化调度方法。离线路径规划阶段,给出改进双层A*算法,在拓扑图建模划分搜索区域基础上,上层通过考虑冲突的启发式函数和考虑转弯的代价函数寻求可行区域,下层在此区域基础上搜索最优路径。在线AGV运行阶段,针对两AGV冲突,扩充了回退策略和路线重规划策略;针对多AGV冲突,提出一种基于贪心算法的区域避碰决策策略,以控制问题规模。最后利用Flexsim仿真进行了验证,结果表明,较于标准A*算法,改进A*算法能在保证搜索效率的同时获得冲突较少的初始路径方案;较于优先级策略,区域避碰策略能减少AGV等待时间;将二者相结合,能缩短整体作业完成时间,且随着AGV数量和作业任务增多,优势越明显。     

A~*算法的改进及其在AGV路径规划中的应用

A~*算法是一种启发式搜索算法,被广泛应用于路径规划中。其中,启发函数的设计尤其重要。针对物流工厂中自主移动机器人AGV运行路径的特点,提出一种A~*算法中启发函数的设计方法,以提高路径搜索效率。首先,进行环境地图建模,使用拓扑建模法,将AGV运行地图转化为图论中的有向图,并以邻接表的形式存储有向图中节点信息和边信息;然后,研究不同启发函数的选择对A~*算法执行效率的影响;最后,对A~*算法进行改进,结合实际工厂中AGV路径特点,研究加权曼哈顿距离中权值的选择对算法执行效率的影响,并选取经验值进行试验。试验结果表明,与采用曼哈顿距离作为启发函数的A~*算法相比,采用改进的A~*算法平均路径规划效率提高了11.6%。改进A~*算法在AGV路径规划中可以有效提高路径搜索的效率,作为一种适用于工厂环境的AGV的路径规划算法,对A~*算法启发函数的设计有一定的参考价值。     

基于 A* 算法与自适应分片的大规模最优路径规划

路径规划引擎是在线地图系统中一个至关重要的部分,静态路径规划算法是重中之重。现有的对A*算法的改进主要是通过预处理算法,对路网数据进行静态分层预处理,其效率过低。文章提出了一种自适应分层的思想,同时对A*算法的启发式函数进行改进,引入了方向引导函数,使得A*算法在日常路网上的可用性有了较大的提高。实际的路网实验表明,提出的算法的搜索效率、效果均优于同类算法,与标准层次A*算法相比,文章算法的搜索空间降低为原来的42%,搜索时间仅为原来的13%。     

改进A*算法在路径规划中的应用

针对大规模多AGV路径规划的应用场景,为解决多个AGV在路径规划时因抢占节点,导致该节点负载过高,造成局部拥塞,致使整个系统的运行效率降低的问题。提出了一种结合节点负载情况的改进A*算法。各个节点的负载从初始值开始,根据相应的动态负载计算公式,动态更新该节点的负载。在A*算法的启发函数中引入负载,使节点负载影响AGV路径选择,避开高负载节点。通过相应的仿真模拟实验,证明了该算法能够有效地均衡各节点的负载,提高系统运行效率。     

基于双向搜索改进A*算法的自动导引车路径规划

在面积比较大的或划分精细的栅格地图中进行自动导引车(AGV)行驶路径规划时,经典的A*算法搜索得到的路径往往冗余节点和转折点较多,搜索路径时间较长.为了提高A*算法的实时性,提出了一种基于双向搜索路径的A*算法.首先,对于A*算法的启发函数引入父节点和Chebyshev Distance,改进启发函数;其次,引入双向路径搜索的动态窗口,同时从路径的起点和终点搜索路径,得到一条初始路径,并论述了动态窗口的大小对于双向搜索路径的影响;最后,依据关键点搜索原理,剔除初始路径中存在的冗余节点,得到最终的搜索路径.实验证明,相较于单向改进A*算法和改进人工势场算法,双向搜索改进A*算法搜索路径耗费时间分别降低了22.9％和78.4％,路径包含节点数分别降低了82.2％和99.5％,证明了算法的有效性.     

基于双向搜索改进A*算法的自动导引车路径规划

在面积比较大的或划分精细的栅格地图中进行自动导引车(AGV)行驶路径规划时,经典的A*算法搜索得到的路径往往冗余节点和转折点较多,搜索路径时间较长.为了提高A*算法的实时性,提出了一种基于双向搜索路径的A*算法.首先,对于A*算法的启发函数引入父节点和Chebyshev Distance,改进启发函数;其次,引入双向路径搜索的动态窗口,同时从路径的起点和终点搜索路径,得到一条初始路径,并论述了动态窗口的大小对于双向搜索路径的影响;最后,依据关键点搜索原理,剔除初始路径中存在的冗余节点,得到最终的搜索路径.实验证明,相较于单向改进A*算法和改进人工势场算法,双向搜索改进A*算法搜索路径耗费时间分别降低了22.9％和78.4％,路径包含节点数分别降低了82.2％和99.5％,证明了算法的有效性.     

基于AGVs路径规划的物流智能调度系统设计与实现

为了解决现有物流调度系统低效缓慢、容错率低的问题,设计了基于自动导引运输车(Automated Guided Vechicle, AGV)和路径规划优化算法的物流智能调度系统。系统搭配了AGV的物流调度硬件,又结合了路径规划理论,开发了基于Petri网络的智能路径规划算法。通过算法性能对比得知,路径规划算法设计了最优调度路径,确保了较高的准确率和工作效率。系统测试结果显示,基于AGVs路径规划的物流智能调度系统能够在各种物流环境或者库房基地完成调度任务,很好地解决了物流企业在忙碌期的繁杂调度问题。基于AGVs路径规划的物流智能调度系统提高了物流调度的自动化程度,保证了物流调度和道路运输的效率,有效推动了商业模式和市场规范的发展。     

基于人工势场算法和RRT算法的多无人机路径规划

为了解决在城市和山区复杂环境中的多无人机任务分配及路径规划问题,提出了一种基于人工势场算法和RRT融合算法的多无人机协同路径规划方法。基于人工势场算法基础优化斥力函数,加入机间斥力因子,实现了协同避撞。引入RRT算法进行拓展搜索,解决了无人机陷入局部极值点时单一人工势场算法目标不可达的问题。通过三维路径规划仿真实验和算法对比实验验证该方法的可行性,结果表明,融合路径规划算法可以在约束条件下找到全局最优路径。     

基于GSPN和人工免疫算法的并行测试任务调度研究

针对ATS中并行测试任务调度复杂、难以优化的问题,提出了一种广义随机Petri网和人工免疫算法相结合的任务调度优化算法.首先对并行测试系统建立广义随机Petri网(GSPN)模型,然后将激发的变迁序列集作为并行测试任务调度路径;将免疫克隆选择算法(ICSA)应用到并行测试系统任务调度问题中,并提出一种自适应克隆选择算子,搜索最优任务调度路径,得到以测试时间最短为目标的最优任务调度方案.用某型雷达接收机并行测试系统对该算法进行仿真验证,结果表明,与改进的混合遗传算法(IHGA)相比,该算法能够便捷地得到任务调度最优序列,且测试效率更高.     

基于平行Petri网的制造系统调度与控制一体化方法

为了消除制造系统调度层与控制层之间的隔阂,实现对生产事件快速灵活响应,本文提出了一种调度与控制一体化的方法.首先,定义了一种新型Petri网模型,即平行Petri网,从而集成地描述了传感器、执行器、任务和资源信息,构建制造系统的信息物理系统模型;其次,提出了一种从平行Petri网到赋时Petri网的抽象简化方法,大规模压缩优化调度所需搜索的状态空间;再次,定义了策略Petri网以描述最优调度策略.最后,给出了平行Petri网与策略Petri网同步执行算法,使得平行Petri网与物理系统同步执行.     

COMPLEXITY REDUCTION FOR OPTIMIZATION OF DETERMINISTIC TIMED PETRI-NET SCHEDULING BY TRUNCATION

Methods of applying Petri nets to model and analyze scheduling problems, with constraints such as precedence relationships and multiple resource allocation, have been available in the literature. Searching for an optimum schedule can be implemented by combining the branch-and-bound technique with the execution of the timed Petri net. The resulting complexity problem in a large Petri net is handled by a truncation technique such that the original large Petri net is divided into several smaller subnets. The complexity involved in the analysis of each subnet individually is greatly reduced. However, as illustrated in this paper, the schedules for the subnets obtained by treating them separately may not lead to an optimal overall schedule for the original Petri net. To circumvent this problem, algorithms are developed that can be used to search for a proper schedule for each subnet such that the combination of these schedules yields an overall optimum schedule for the original timed Petri net. These algorithms are based on the idea of Petri net execution and branch-and-bound with modification. Finally, the practical application of the timed Petri net truncation technique to scheduling problems in manufacturing systems is illustrated by an example of multirobot task scheduling.     

Deadlock-free scheduling for flexible manufacturing systems using Petri nets and heuristic search

Deadlock-free control and scheduling are two different problems for flexible manufacturing systems (FMSs). They are significant for improving the behaviors of the systems. Based on the Petri net models of FMSs, this paper embeds deadlock control policies into heuristic search algorithm, and proposes a deadlock-free scheduling algorithm to minimize makespan for FMSs. Scheduling is performed as heuristic search in the reachability graph of the Petri net. The searching process is guided by a heuristic function based on firing count vectors of state equation for the Petri net. By using the one-step look-ahead method in the optimal deadlock control policy, the safety of a state is checked. Experimental results are provided to show effectiveness of the proposed heuristic search approach in deadlock-free scheduling for FMSs.     

Petri net dynamics-based scheduling of flexible manufacturing systems with assembly

This paper presents a heuristic search method based on Petri nets for scheduling flexible manufacturing systems with assembly (FMSA) by partially generating the reachability graph. FMSAs are modeled by two types of timed place Petri nets, called generalized symmetric (GSN) and asymmetric nets (GAN). GSN is a sub-class of GAN. The special Petri net structures of GSN and GAN allow us to efficiently solve their state equations for solutions that constitute a part of the proposed heuristic function. Considering the dynamic information of nets such as concurrency and synchronization, the part of the heuristic function is adjusted since state equation solutions may over-estimate the real cost. The adjustment is based on a lower bound of the real cost and on dynamically comparing the partial estimated cost and partial real cost during the search process. Extensive simulation study shows that in most cases this work obtain better solutions than prior work.     

多AGV和机器集成的多目标柔性作业车间调度研究

为解决智能制造环境中具有多时间和多AGV约束的柔性作业车间调度问题,构建了以最小化最大完工时间、最小化总延期、最小化设备总负荷为目标的机器/AGV双约束多目标调度模型,模型中综合考虑加工时间、工件到达时间、交货期等多时间因素,进行了多AGV和机器集成调度。为求解该模型,设计了新的AGV调度规则和改进的NSGA-算法,算法中提出了基于工序的扩展染色体编码方式和基于AGV分配的贪婪式解码策略,同时设计了不同参数控制的多种群二元锦标赛选择和分段交叉变异策略以及基于Pareto级的去重精英保留策略,以促进个体协同优化搜索。通过实例实验,分析了不同AGV数量任务分配方案下的模型有效性,对4个案例的仿真测试和同类算法比较解也验证了改进NSGA-算法求解该模型的有效性。     

基于有色Petri网和IPSO的并行测试系统任务调度研究

并行测试以减少测试时间和降低测试成本的强大优势成为下一代自动测试系统ATS发展的热点;针对ATS中并行测试任务调度复杂、难以优化问题,提出了一种有色Petri网和改进粒子群优化(IPSO)算法相结合的任务调度优化算法;采用有色Petri网建立并行测试系统模型,得到并行测试的动态特性;采用IPSO算法搜索最优的任务调度路径,得到以测试时间最短为目标的最优任务调度方案;最后,将该算法应用到某型雷达电路板并行测试系统中,研究结果表明,与遗传算法GA相比,该算法效率更高,更利于工程应用。     

多AGV调度系统中的两阶段动态路径规划

为缩短AGV系统的研发周期、降低研发成本,寻求能适应不同地图的通用调度策略以及增强对实际调度任务和故障的鲁棒性,提出了一种两阶段动态路径规划策略．对多AGV调度系统应用两阶段控制策略: 采用动态路径规划进行路径生成,实时对多个AGV同时规划其路径,并通过启发式算法实现路径优化．通过系统仿真证明,该策略很好地提高了AGV调度系统的柔性,是一种能适用于不同地图的通用调度策略．     

一种用于柔性制造系统仿真的图形Petri网软件工具

本文致力于图形Ｐｅｔｒｉ网软件工具—ＧＰＮＳＴ软件包的设计与实现。首先介绍了ＧＰＮＳＴ的结构和功能，分析了它在Ｐｅｔｒｉ网图形编辑和网结构分析方面的能力；其次正式定义了Ｐｅｔｒｉ网的扩展—赋时着色Ｐｅｔｒｉ网（ＴＣＰＮ），并且使用ＴＣＰＮ建立了柔性制造系统（ＦＭＳ）的简化仿真模型。利用这个模型，能基本实现ＦＭＳ的动态仿真，同时显示整个仿真的过程；最后将调度算法、启发式规则、ＴＣＰＮ模型和仿真结合起来，构成一个基于专家系统的调度器，产生出虽非最优，但是具有比较好结果的可行调度，有效地解决了动态仿真中的ＦＭＳ调度问题。     

Robust design of flexible manufacturing systems using, colored Petri net and genetic algorithm

A method is presented for the robust design of flexible manufacturing systems (FMS) that undergo the forecasted product plan variations. The resource allocation and the operation schedule of a FMS are modeled as a colored Petri net and an associated transition firing sequence. The robust design of the colored Petri net model is formulated as a multi-objective optimization problem that simultaneously minimizes the production costs under multiple production plans (batch sizes for all jobs), and the reconfiguration cost due to production plan changes. A genetic algorithm, coupled with the shortest imminent operation time (SIO) dispatching rule, is used to simultaneously find the near-optimal resource allocation and the event-driven schedule of a colored Petri net. The resulting Petri net is then compared with the Petri nets optimized for a particular production plan in order to address the effectiveness of the robustness optimization. The simulation results suggest that the proposed robustness optimization scheme should be considered when the products are moderately different in their job specifications so that optimizing for a particular production plan creates inevitably bottlenecks in product flow and/or deadlock under other production plans.